Built Technologies 在 AWS 上构建 AI 文档智能方案，为房地产金融代理提供支持

一句话看懂

Built Technologies 与 AWS 合作，用 Amazon Bedrock 构建了可复用的 AI 文档处理引擎，将房地产金融中数天的文档工作缩短至几分钟，支持 250+ 文档类型，为代理产品提供文档理解能力。

详细发生了什么

Built Technologies 是一家房地产金融软件提供商，管理超过 5000 亿美元的项目。传统上，房地产金融文档处理高度依赖人工，涉及贷款协议、发票、保险凭证等数百种文档，格式不一、术语专业。Built 此前使用 OCR 和传统 ML 建立了 26 个处理器，但面对 250+ 文档类型和数百万文档量，需要更灵活的方案。

Built 与 AWS Generative AI Innovation Center、AND Digital 及 AWS 账户团队合作，基于 Amazon Bedrock 和 AWS Intelligent Document Processing (IDP) Accelerator 构建了可复用的 AI 文档处理引擎。该引擎能分类、拆分、提取、评估和推理复杂文档，将数天的工作流程缩短至几分钟，并支持超过 95% 的置信度要求。首个生产用例聚焦商业建筑贷款提款包（draw packages），但设计为可横向扩展至整个房地产金融生命周期。

该方案的关键转变是从“文档提取”到“文档理解”。例如，在贷款协议中寻找“契约条款”（covenants）时，传统方法只能搜索关键词，而代理式工作流能理解上下文，识别分散在各处的义务、限制和触发条件，并提取结构化输出和证据。

中文圈视角

对中文用户而言，这个案例有几点值得关注：

技术栈可参考：方案基于 Amazon Bedrock 和 AWS IDP Accelerator，国内用户若使用 AWS 中国区或全球区，可直接复用架构。但需注意数据出境合规——房地产金融文档可能包含敏感信息，需确认是否符合《数据安全法》要求。
国产替代可能性：国内类似服务包括阿里云“文档智能”（Document Mind）、百度智能云“文档解析”、腾讯云“OCR+大模型”方案。这些平台也支持文档分类、提取和结构化，但“代理式文档理解”（agentic document understanding）能力尚不成熟。国内用户可关注 ModelScope 上的开源文档理解模型，或自建基于 Qwen、DeepSeek 的 RAG 流程。
场景适配：中国房地产金融同样文档密集，如施工进度款申请、抵押合同、保险单等。但国内流程更依赖政府统一格式（如不动产登记证明），标准化程度较高，可能降低对灵活推理的需求。不过，对于非标文档（如商业地产租赁合同、评估报告），该方案仍有借鉴价值。
盲点：中文圈较少讨论“文档理解”作为横向 AI 能力在垂直行业的落地。多数方案仍聚焦单点提取（如发票识别），缺乏可复用的代理式框架。Built 的“共享环境”让技术团队和行业专家共同改进处理器，这种协作模式值得国内企业借鉴。

几条值得记住的细节

Built 处理超过 250 种文档类型，单个文档可超 500 页，要求分类和提取置信度超过 95%。
首个生产用例是商业建筑贷款提款包，但引擎设计为可横向扩展至整个房地产金融生命周期。
方案基于 Amazon Bedrock 和 AWS IDP Accelerator，与 AWS GenAIIC 及 AND Digital 合作构建。
传统 OCR 适合结构化文档，但代理式工作流能推理隐含信息，如贷款协议中的契约条款。
引擎支持人类审核循环，可将低置信度结果路由给专家，并反馈改进。

一句话总结

对中文用户：AWS 上这套方案展示了如何用大模型将文档处理从“提取”升级为“理解”，国内可参考其架构，但需注意数据合规和国产替代。